Sémantický web principy, prostředky, aplikace Ondřej Černoš UISK cernoso@gmail.com 602372810
Kdo jsem Ondřej Černoš, absolvent FEL ČVUT (kybernetika) doktorand UISK, téma blízké sémantickému webu 04/29/09 2
Co je web? Web je databáze znalostí Web je hromada syntakticky strukturovaných dat Web je propojená hromada strukturovaných dat Web je informační systém s vlastní svébytnou architekturou Web 04/29/09 3
Web technické pozadí Co je na Webu? na webu existují Zdroje (Resource) stránky, obrázky, feedy (RSS, Atom) atd. entity existující na webu mají jména URI Unified Resource Identificator URL jako aplikace URI Unified Resource Locator Jména (URI) jsou globálně unikátní 04/29/09 4
Web technické pozadí Jakým způsobem jsou zdroje na webu? Zdroje jsou reprezentovány nějakou serializací, kterou umí přenosová soustava přenášet značkovací jazyky HTML (aplikace SGML, šedesátá léta) formáty obrázků PNG, JPG apod. streamované video XML jazyky (aplikace) JSON, YAML, atd. atp. Reprezentace nejsou zdroji! 04/29/09 5
Web technické pozadí SGML a nástupci jako reprezentační jazyky hypertextu ve značkovacích jazycích existují prostředky pro odkazování na jiné zdroje na webu známé html tagy: anchor (a), img apod. značkovací jazyky jsou standardizované, otevřené značkovací jazyky popisují strukturu dokumentů z.j. umí označit odstavec, nadpis apod. tedy značkovací jazyky řeší syntax dokumentů 04/29/09 6
Web technické pozadí Mluvili jsme o transportním mechanismu co to je? HyperText Transfer Protocol (HTTP) definuje architekturu informačního systému zvaného web architektura identifikována jako REST Representational State Transfer 04/29/09 7
Web REST REST identifikace jedinečných vlastností webu Aplikační stav je abstrahován do prostředků (Resource) Zdroj je unikátně identifikovaný (URI) Všechny zdroje sdílejí jednotný interface (rozhraní) k práci s reprezentací těchto omezený počet známých typů reprezentací (content type MIME typy) omezený počet operací nad reprezentacemi zdrojů (GET, PUT, POST, DELETE) 04/29/09 8
Web REST Další vlastnosti REST architektury protokol architektury (HTTP) je typu klient-server protokol je bezestavový (vždy se ve výměně reprezentací zdrojů mezi klientem a serverem zasílá vše co je nutné k porozumění dotazu či odpovědi) protokol je cachovaný (důležité pro škálovatelnost) 04/29/09 9
Jak to vše souvisí se sémantickým webem? Sémantický web staví na úspěšných a prověřených vlastnostech webu tak jak je známe teď Sémantický web dále staví na pojmu zdroje, užívá URI, jako aplikační architekturu užívá REST tedy je to stále web Pro pochopení směru, jakým rozvíjí sémantický web ten web, který známe dnes, je nutné znát fundament webu 04/29/09 10
Hranice užití webu Na webu používáme mnohé aplikace aplikace pracují s různými zdroji různě aplikace reprezentují zdroje (světa) svojí vlastní reprezentací, která nemusí být sdílená Aplikace neumějí spolupracovat představme si aplikaci pro rezervaci hotelů, mapovou aplikaci a aplikaci ministerstva životního prostředí mapující národní parky. Spolupráce? Vesměs žádná. 04/29/09 11
Hranice užití webu Čím to je? na webu jsou zdroje, které mluví o světě reprezentace zdrojů jsou syntanticky strukturované neumíme ovšem mluvit o těchto zdrojích chybějí metadata, tedy data o datech data o datech o světě 04/29/09 12
Sémantický Web metadata Jaké známe metadatové systémy z prostředí webu a informační vědy? tagy social tagging, kolektivní znalostní systém atributy v souborovém systému autor, doba vzniku apod. Jsou to různé systémy, navzájem nespolupracující a mající různá svá omezení (tagy čím užívanější tag, tím menší nese informaci, apod.) 04/29/09 13
Sémantický Web metadata Kvůli roztříštěnosti způsobů práce s metadaty vznikl obecný framework RDF Resource Description Framework Resource o tom jsme již hovořili Description popis, chceme mluvit o zdrojích Framework RDF umožňuje tvořit popisy, nepředepisuje popis 04/29/09 14
Sémantický Web metadata Jak mluvíme o věcech? říkáme, že něco je něco jiného triviální referenční sémantika link mezi symbolem a věcí (pro naše účely bohatě stačí) Přesně toto umožňuje RDF: subject verb object U zeleného vola je hotel. Hotel je třída ubytovacích zařízení. Třída ubytovacích zařízení je podtřída obytných budov. 04/29/09 15
Sémantický web RDF Co definuje RDF jako standard? Sdílenou sémantiku trojic subject verb object Různé formy reprezentace (viz!) těchto trojic Několik sloves a podstatných jmen 04/29/09 16
Sémantický web RDF RDF tedy umožňuje tvořit trojice subject verb object. K čemu to je? sdílený slovník podstatných jmen a sloves RDF nevynucuje reprezentaci trojic může být tedy reprezentováno například XML jazykem (RDF/XML) vloženým do webových stránek příklad s hotelem a webem národních parků sdílená podstatná jména (pojmenování objektů světa) a slovesa (vazby mezi nimi) umožní propojit znalosti jedné aplikace se znalostmi aplikace druhé. 04/29/09 17
Sémantický web RDF RDF tedy tvoří jakési grafy. různé aplikace (rozptýlené po webu) vystavují reprezentace trojic. Můžeme trojici chápat jako graf, kde subject je uzel, verb je orientovaná hrana, object je uzel. Grafy pak lze spojovat jsou-li nalezeny společné uzly. RDF dosahuje globálně unikátních pojmenování známým mechanismem URI. Subject, verb i object reprezentujeme globálním identifikátorem. 04/29/09 18
Sémantický web RDF Co je tedy sémantický web v RDF? Globální orientovaný graf tvrzení subject verb object. Tomuto grafu pak lze klást dotazy, podobné databázovým dotazům (SPARQL). Co jsme získali? Znalosti jsou strojově zpracovávatelné. Znalosti jsou jednotně reprezentované, tudíž snáze dostupné. (Někdo někdy zkoušel destilovat znalosti z webu, i tak přehledného jako Wikipedia? Dotaz: seznam všech německých spisovatelů narozených mezi lety 1840-1860 ). 04/29/09 19
Sémantický web RDF Příklady. Struktura univerzity. uni:uk rdf:type uni:uni. uni:ff uni:facultyof uni:uk. ff:uisk rdf:type uni:department. ff:uisk uni:departmentof uni:ff. Co říkáme je snad očividné. Představme si, že úplně jiný web říká toto: ff:uisk uni:head ff:papik Kde Papíka patrně najdeme? 04/29/09 20
Sémantický web RDF Viděli jsme: trojice RDF výrazů serializované v N3 serializaci jména ve formátu namespace:identifikátor dvě aplikace (dvě stránky?) hovořící o společném subjektu: ff:uisk Kde je URI? formát namespace:identifikátor je zkratka pro snadnou čitelnost ff může být například zkratka od URL http://www.ff.cuni.cz - globálně unikátní jméno fakulty 04/29/09 21
Sémantický web RDF RDF také samo definuje některé zdroje. rdf:type sloveso, říká je typu či má třídu apod. další viz standard Co dál jsme viděli? Kdokoliv mohl něco říct kdokoliv může vystavit trojici na webu (anyone anything any topic AAA principle) Open World Assumption onen kdokoliv to může říct kdykoliv nové znalosti se mohou kdykoliv vyjevit z různých zdrojů 04/29/09 22
Sémantický web RDF Představme si, že podle výše zmíněných principů někdo někdy řekne toto: msmt:uk_ff_uisk msmt:director empl:papik jako lidé vidíme, že toto říká totéž jako výše zmíněná trojice ff:uisk uni:head ff:papik přesto to říká to samé z toho plyne poučení, poslední princip jako důsledek předchozích: Nonunique naming assumption stejné věci mohou mít různá jména. Jak vyjádříme stejnost? 04/29/09 23
Sémantický web jdeme za RDF Výše jsme narazili na problém stejnosti objektu který je reprezentován dvěma různými jmény. Kudy z toho ven? 04/29/09 24
Sémantický web jdeme za RDF Z jiných obecných frameworků známe pojem schematu, jazyk omezující možnosti toho, co se dá říci XML obecný značkovací jazyk XHTML schematem omezený jazyk, převyprávění HTML v XML Podobně pro RDF existují schemata RDFS a OWL. 04/29/09 25
Sémantický web RDFS a OWL Co je schema? schema je formálně popsané omezení širšího jazyka omezení: v schematem vymezeném jazyce nemůžeme již říct vše, co jsme mohli v širším jazyce omezení: schema definuje sémantiku toho, co říkáme tato je pak sdílená (viz výše nonunique naming assumption a AAA principle) omezení: kombinace výroků pak dovoluje usuzovat nové znalosti, které nebyly explicitně formulovány 04/29/09 26
Sémantický web RDFS a OWL RDFS schema přímo v názvu OWL Web Ontology Language Oba jazyky na různé úrovni definují sdílený slovník a jeho sémantiku. slovník: seznam podstatných jmen a sloves k užití sémantika: důsledky užití slov z tohoto slovníku 04/29/09 27
Sémantický web RDFS a OWL Slovník RDFS a OWL základní pojmy: rdfs:class třída věcí. Z užití nic neplyne: používá se pro snadnost orientace. rdfs:property verb. Řekneme o něčem, že je to sloveso. 04/29/09 28
Sémantický web RDFS a OWL rdfs:subclassof řekneme, že něco je subtřída, pak platí toto, předpoklady: a:a rdf:type rdfs:class. b:b rdfs:subclassof a:a x:x rdf:type b:b důsledek: x:x rdf:type a:a. Sémantika rdfs:subclassof leží v onom vyvození. ekvivalentně pro slovesa rdfs:subpropertyof 04/29/09 29
Sémantický web RDFS a OWL Jak sloučíme ona tvrzení uvedená výše? ff:uisk uni:head ff:papik msmt:uk_ff_uisk msmt:director empl:papik Úkol: sloučit informace ze zdrojů obsahující tyto trojice. Návrh (AAA!): ff:papik rdf:type foaf:person empl:papik rdf:type empl:employee empl:employee rdfs:subclassof foaf:person závěr: empl:papik rdf:type foaf:person! - kudy dál? 04/29/09 30
Sémantický web RDFS a OWL RDFS umožňuje mluvit o třídách věcí a jejich hierarchii a o vlastnostech věcí a jejich hierarchii OWL jde mnohem dál: definuje řadu slov, jejichž užití tvoří ontologii Ontologie: formální reprezentace množiny konceptů jednoduše systém, který definuje co je a co se o tom dá říct. 04/29/09 31
Sémantický web OWL a ontologie Prostředky tvorby ontologií. owl:restriction třída věcí, které mají nějaké vlastnosti příslušnost věci do třídy již není výsledkem prostého konstatování, ale důsledkem toho, že věc má nějakou vlasnost uni:faculty owl:equivalentclass [ a owl:restriction; owl:onproperty uni:head; owl:allvaluesfrom uni:dean ]. říkáme: fakulta je taková věc, jíž šéfuje děkan 04/29/09 32
Sémantický web OWL a ontologie Prostředky tvorby ontologií. vyjádření stejnosti: owl:equivalentclass, owl:equivalentproperty, owl:sameas v našem příkladě můžeme říci: msmt:uk_ff_uisk owl:sameas ff:uisk. Lepší je ovšem toto usoudit z vlastností tříd a členů těchto tříd než to explicitně prohlásit. vlastnosti vlastností: owl:transitiveproperty (a<b, b<c, pak a<c), owl:functionalproperty, owl:symmetricproperty apod. 04/29/09 33
Sémantický web OWL a ontologie Kontradikce. Uzavření světa. OWL umožňuje částečně uzavřít svět, například tímto tvrzením: uni:department rdfs:subclassof [ a owl:restriction; owl:onproperty uni:head; owl:maxcardinality 1 ] katedra je podtřída věcí, které mají právě jednoho šéfa potom můžeme z těchto tvrzení: ff:uisk uni:head ff:papik ff:uisk uni:head ff:richard_papik vydedukovat, že ff:papik owl:sameas ff:richard_papik 04/29/09 34
Sémantický web OWL a ontologie V předchozím příkladu jsme uzavřeli svět: již nikdo nemůže přijít s novým šéfem UISKu. V případě že se tak stane, musíme usoudit, že je to jen jiné jméno pro toho samého. FOAF definuje Person jako stejnou, jestliže má stejný hash emailové adresy (identifikátor). Jestliže ovšem z FOAF plyne, že ff:papik owl:differentfrom ff:richard_papik pak jsme narazili na kontradikci. Model v ontologii není splnitelný. Někdo musí některé tvrzení odstranit. 04/29/09 35
Sémantický web OWL a ontologie Tvorba ontologií je komplexním procesem identifikace, modelování světa a programování Ontologie má být jednoduchá příliš složitá ontologie omezuje užití a vede ke kontradikcím Ontologie má řešit svůj obor zájmů a nepouštět se do přílišných obecností (my:movablething rdfs:subclassof my:thingrepresentedbyshapedmass) 04/29/09 36
Sémantický web aplikace, užití Existuje několik obecně známých ontologií: FOAF řeší lidi, identifikaci, kontakty, sociální sítě SKOS ontologie pro stavbu znalostních systémů a sjednocování thesaurů (core:narrower, core:related, core:concept, skos:preflabel apod.) Dublin Core sada ontologií pro popis publikací, muzejních exponátů apod. 04/29/09 37
Sémantický web aplikace, užití RDF trojice lze serializovat do obyčejného HTML: RDFa (RDF in Attributes) publikace, kontaktní informace na webu lze udržovat ve FOAF a Dublin Core: tyto informace budou strojově zpracovávatelné pomocí dalších ontologií (hcalendar) lze na webu distribuovat události atd. atp. 04/29/09 38
Sémantický web aplikace, užití Pokročilé aplikace DBPedia ontologie + data z Wikipedie převedená do RDF trojic němečtí spisovatelé narození mezi lety 1840 a 1860? SPARQL dotaz. Porovnejte s klasickou Wikipedií. NEPOMUK social semantic desktop sada ontologií a API pro sémantické technologie na desktopu. Někdy jsme přemýšleli o tom, proč si váš počítač nepamatuje s jakým emailem vám jako příloha přišel nějaký dokument? 04/29/09 39
Sémantický web alternativy kritika K RDF existuje historická alternativa, tzv. mikroformáty. serializace do class atributů definovaných v HTML omezené ontologie, nelze rozšiřovat de facto ad hoc hack (sic) nad něčím, co bylo určeno k jiným účelům (class atribut CSS) V komunitě sémantického webu zastánci RDF i mikroformátů svaté války 04/29/09 40
Sémantický web alternativy kritika Projekt sémantického webu bývá osočován z akademismu a odtrženosti od praxe OWL má kořeny v Description Logic technologie vycházejí z akademického prostředí a ne korporátního mnohé korporace mají vlastní zájmy například google investoval kvanta peněz do analýzy dat, sémantický web by mu mohl narušovat byznys (skupina WhatWG tvořící pod dohledem zaměstnance Google HTML5 do něj odmítá začlenit prostředky pro možné užití RDFa) 04/29/09 41
Sémantický web alternativy kritika Budoucnost Sémantického webu více a více webů zařazuje do svých stránek sémantické informace (serializované trojice whitehouse.gov užívá, bbc uvažuje, atd.) záleží na postoji specifikátorů HTML vznikají aplikace typu twine.com pro social bookmarking postaveném na RDF a ontologiích doporučování na základě podobností a podobné social web standardnosti Nicméně budoucnost je nejistá, nástup je pomalý 04/29/09 42
Děkuji za pozornost. Otázky? Ondřej Černoš UISK cernoso@gmail.com 602372810